5.3. Проверка значимости параметров линейной регрессии и подбор модели с использованием f-критериев

Приводимая ниже таблица содержит ежегодные данные о следующих показателях экономики Франции за период с 1949 по 1960 годы (млрд. франков, в ценах 1959 г.):

Y – объем импорта товаров и услуг во Францию;

X₁ – валовой национальный продукт;

X₂ – потребление семей.

год	Y	X1	X2	год	Y	X1	X2
1949	15.9	149.3	4.2	1955	22.7	202.1	2.1
1950	16.4	161.2	4.1	1956	26.5	212.4	5.6
1951	19.0	171.5	3.1	1957	28.1	226.1	5.0
1952	19.1	175.5	3.1	1958	27.6	231.9	5.1
1953	18.8	180.8	1.1	1959	26.3	239	0.7
1954	20.4	190.7	2.2	1960	31.1	258	5.6

Выберем модель наблюдений в виде

где – значение показателя вi-м наблюдении (i-му наблюдению соответствует год. Будем, как обычно, предполагать чтонормально распределенные случайные величины с параметрами и что значение нам не известно. Регрессионный анализ дает следующие результаты: и

Переменная	Коэф-т	Ст. ошибка	t-статист.	P-знач.
1	–8.570	2.869	-2.988	0.0153
X1	0.029	0.110	0.267	0.7953
X2	0.177	0.166	1.067	0.3136

Обращают на себя внимание выделенные курсивом -значения. В соответствии с ними, проверка каждой отдельной гипотезы ,(даже при уровне значимости) приводит к решению о ее неотклонении. Соответственно, при реализации каждой из этих двух процедур проверки соответствующий параметрилипризнается статистически незначимым. И это выглядит противоречащим весьма высокому значению коэффициента детерминации.

По-существу, вопрос стоит таким образом: необходимо построить статистическую процедуру для проверки гипотезы

конкретизирующей значения не какого-то одного, а сразу двух коэффициентов.

И вообще, как проверить гипотезу

(гипотеза значимости регрессии) в рамках нормальной линейной модели множественной регрессии

Соответствующий статистический критерий основывается на так называемой F-статистике

Здесь – остаточная сумма квадратов, получаемая при оценивании полной модели (с объясняющими переменными, включая тождественную единицу), а– остаточная сумма квадратов, получаемая при оценивании модели с наложенными гипотезой ограничениями на параметры. Но последняя (редуцированная) модель имеет вид

и применение к ней метода наименьших квадратов приводит к оценке

так что

Следовательно,

В некоторых пакетах статистического анализа (например, в EXCEL) в распечатках результатов приводятся значения числителя и знаменателя этой статистики (в графе Средние квадраты – Mean Squares).

Если нормально распределенные случайные величины с параметрами , то указанная -статистика, рассматриваемая как случайная величина, имеет при гипотезе H₀ (т. е. когда действительно α₁ α_m ) стандартное распределение , называемоеF-распределением Фишера с m и (n-m-1) степенями свободы.

Чем больше отношение , тем больше есть оснований говорить о том, что совокупность переменныхдействительно помогает в объяснении изменчивости объясняемой переменной.

В соответствии с этим, гипотеза

отвергается при «слишком больших» значениях F, скорее указывающих на невыполнение этой гипотезы. Соответствующее пороговое значение определяется как квантиль уровня распределения, обозначаемая символом.

Итак, гипотеза Н₀ отвергается, если выполняется неравенство

При этом вероятность ошибочного отвержения гипотезы равна.

Статистические пакеты, выполняющие регрессионный анализ, приводят среди прочих результатов такого анализа также значение указанной-статистики и соответствующее ему P-значение (P-value), т. е. вероятность

В частности, в рассмотренном выше примере с импортом товаров и услуг во Францию вычисленное (наблюдаемое) значение -статистики равно , в то время как критическое значение

Соответственно, -значение крайне мало – в распечатке результатов приведено значение . Значит, здесь нет практически никаких оснований принимать составную гипотезу, хотя каждая из частных гипотез

и ,

рассматриваемая сама по себе, в отрыве от второй, не отвергается.

Подобное положение встречается не так уж и редко и связано с проблемой мультиколлинеарности данных. Далее мы уделим этой проблеме определенное внимание.

Пример. Анализ данных об уровнях безработицы среди белого и цветного населения США приводит к следующим результатам:

, ,-значение , так что при выборегипотеза не отвергается, а при выборе отвергается.

Пример. Анализ зависимости спроса на куриные яйца от цены приводит к значениям

, ,-значение  , так что гипотезаотвергается, а регрессия признается статистически значимой.

Пример. Зависимость производства электроэнергии в США от мирового рекорда по прыжкам в высоту с шестом:

, ,-значение  , регрессия признается статистически значимой.

Пример. Потребление свинины в США в зависимости от оптовых цен:

, ,-значение  , так что гипотезане отвергается даже при выборе.

Отметим, наконец, еще одно обстоятельство. Во всех четырех рассмотренных примерах регрессионного анализа модели простой (парной) линейной регрессии (m=1) вычисленные -значения -статистик совпадают с -значениями -статистик, используемых для проверки гипотезы . Факт такого совпадения отнюдь не случаен и может быть доказан с использованием алгебраических преобразований.

Применение критериев, основанных на статистиках, имеющих при нулевой гипотезе -распределение Фишера (F-критерии), отнюдь не ограничивается только что рассмотренным анализом статистической значимости регрессии. Такие критерии широко применяются в процессе подбора модели.

Пусть мы находимся в рамках множественной линейной модели регрессии

c объясняющими переменными, и гипотезасостоит в том, что в моделипоследниекоэффициентов равны нулю, т. е.

Тогда при гипотезе (т. е. в случае, когда она верна) мы имеемредуцированную модель

уже с объясняющими переменными.

Пусть - остаточная сумма квадратов в полной модели, а– остаточная сумма квадратов в редуцированной модели .Если гипотеза верна и выполнены стандартные предположения о модели (в частности, нормально распределенные случайные величины с параметрами ), то тогдаF-статистика

рассматриваемая как случайная величина, имеет при гипотезе H₀ (т. е. когда действительно α_m  α_m-1   α_m-q+1 ) F-распределение Фишера F (q, n-m-1) с q и (n-m-1) степенями свободы.

F-статистика измеряет, в соответствующем масштабе, возрастание объясненной суммы квадратов вследствие включения в модель дополнительного количества объясняющих переменных.

Естественно считать, что включение дополнительных переменных существенно, если указанное возрастание объясненной суммы квадратов достаточно велико. Это приводит нас к критерию проверки гипотезы

основанному на F-статистике и отвергающему гипотезу , когданаблюдаемое значение этой статистики удовлетворяет неравенству

где – выбранный уровень значимости критерия (вероятность ошибки 1-го рода).

Пример. В следующей таблице приведены данные по США о следующих макроэкономических показателях:

–годовой совокупный располагаемый личный доход;

–годовые совокупные потребительские расходы;

–финансовые активы населения на начало календарного года

(все показатели указаны в млрд. долларов, в ценах 1982 г.).

год	C82	DPI82	A82	1971	1540.3	1730.1	1902.8
1966	1300.5	1433.0	1641.6	1972	1622.3	1797.9	2011.4
1967	1339.4	1494.9	1675.2	1973	1687.9	1914.9	2190.6
1968	1405.9	1551.1	1772.6	1974	1672.4	1894.9	2301.8
1969	1458.3	1601.7	1854.7	1975	1710.8	1930.4	2279.6
1970	1491.8	1668.1	1862.2	1976	1804.0	2001.0	2308.4

Рассмотрим модель наблюдений

где индексу соответствует год. Это модель с3 объясняющими переменными:

символ обозначает переменную, значения которой запаздывают на одну единицу времени относительно значений переменной, . Оценивание этой модели дает следующие результаты:

—статистика критерия проверки значимости регрессии в целом

Регрессия имеет очень высокую статистическую значимость. Вместе с тем, каждый из коэффициентов при двух последних переменных статистически незначим, так что, в частности, не следует придавать особого значения отрицательности оценок этих коэффициентов.

Используя – критерий, мы могли бы попробовать удалить из модели какую-нибудь одну из двух последних переменных, и если оставшиеся переменные окажутся значимыми, то остановиться на модели с 2 объясняющими переменными; если же и в новой модели окажутся статистически незначимые переменные, то произвести еще одну редукцию модели.

Рассмотрим, в этой связи, модель

с удаленной переменной . Для нее получаем:

F-статистика критерия проверки значимости регрессии в этой модели

Поскольку здесь остается статистически незначимым коэффициент при переменной , можно произвести дальнейшую редукцию, переходя к модели

Для этой модели

-статистика критерия проверки значимости регрессии в этой модели

и эту модель в данном контексте можно принять за окончательную.

С другой стороны, обнаружив при анализе модели (посредством примененияt-критериев) статистическую незначимость коэффициентов при двух последних переменных, мы можем попробовать выяснить возможность одновременного исключения из этой модели указанных объясняющих переменных, опираясь на использование соответствующего F-критерия.

Исключение двух последних переменных из модели соответствует гипотезе

при которой модель редуцируется сразу к модели. Критерий проверки гипотезыосновывается на статистике

где – остаточная сумма квадратов в модели ,– остаточная сумма квадратов в модели,– количество зануляемых параметров,.

Для наших данных получаем значение

которое следует сравнить с критическим значением Поскольку, мы не отвергаем гипотезуи можем сразу перейти от моделик модели.

Замечание. В рассмотренном примере мы действовали двумя способами:

Дважды использовали -критерии, сначала приняв (не отвергнув) гипотезу в рамках модели, а затем приняв гипотезув рамках модели.

Однократно использовали F-критерий, приняв гипотезу в рамках модели.

Выводы при этих двух альтернативных подходах оказались одинаковыми. Однако, из выбора модели в подобной последовательной процедуре, вообще говоря, не следует что такой же выбор будет обязательно сделан и при применении -критерия, сравнивающего первую и последнюю модели.